摘  要： 針對當前語音網(wǎng)絡(luò)傳輸系統(tǒng)中存在的環(huán)境噪聲、回波、設(shè)備工作不穩(wěn)定等問題，提出了一種新型的嵌入式語音網(wǎng)絡(luò)傳輸系統(tǒng)設(shè)計方案。該系統(tǒng)以ARM9嵌入式處理器S3C2410為核心，ARM Linux為實時操作系統(tǒng)，CS8900為網(wǎng)絡(luò)傳輸芯片，UDA1341為音頻編解碼芯片,使用了一種新型的芯片FM1182進行語音處理，能夠很好地實現(xiàn)噪聲抑制和回波抵消。給出了相關(guān)硬件的電路設(shè)計方案，同時介紹了軟件實現(xiàn)流程，并詳細介紹了語音緩沖區(qū)的算法。
關(guān)鍵詞： 嵌入式系統(tǒng)； UDA1341； FM1182； 語音傳輸； 多線程

    近年來，嵌入式音頻系統(tǒng)廣泛應(yīng)用于手機、PDA、MP3、對講系統(tǒng)等消費電子產(chǎn)品。如今對嵌入式音頻系統(tǒng)的要求不僅僅只是完成通話功能，對語音傳輸?shù)那逦?、實時性、抗干擾性以及系統(tǒng)的穩(wěn)定性、安全性也提出了嚴格的要求[1]。
    本設(shè)計應(yīng)用Samsung公司的S3C2410微處理器，Philips公司的UDA1341音頻編解碼芯片以及Fortemedia公司的FM1182語音處理器，結(jié)合SDRAM、Flash存儲電路、CS8900網(wǎng)絡(luò)傳輸芯片等其他外圍電路構(gòu)成了一個嵌入式網(wǎng)絡(luò)語音傳輸系統(tǒng)。該系統(tǒng)語音數(shù)據(jù)的采集、編解碼、網(wǎng)絡(luò)數(shù)據(jù)包傳輸、播放等過程均為Linux下的多線程操作，實現(xiàn)了網(wǎng)絡(luò)實時傳輸功能。該系統(tǒng)還添加了一個加速度傳感器的報警電路，防止系統(tǒng)設(shè)備被移動。該系統(tǒng)設(shè)計特別適用于公共場所的語音求助，如銀行的ATM柜員機、火車站等。
1 系統(tǒng)總體設(shè)計和工作流程
    本語音網(wǎng)絡(luò)傳輸系統(tǒng)包括ARM9處理器S3C2410控制模塊，網(wǎng)絡(luò)傳輸模塊（包括網(wǎng)絡(luò)傳輸芯片CS8900、網(wǎng)卡變壓器和網(wǎng)絡(luò)接口等），音頻編解碼模塊UDA1341，語音處理模塊FM1182，存儲器設(shè)備和其他外圍設(shè)備（包括數(shù)據(jù)緩沖電路、報警電路、RS232串口電路、JTAG接口等），其結(jié)構(gòu)框圖如圖1所示。

    ARM9處理器為整個系統(tǒng)的核心，控制著其他模塊的工作運行。系統(tǒng)通過網(wǎng)口與因特網(wǎng)連接，連入遠端中心，通過網(wǎng)絡(luò)進行語音數(shù)據(jù)包的傳送和接收。語音處理模塊FM1182負責麥克風錄入聲音和音箱設(shè)備播放語音，并且通過線輸入線輸出與語音編解碼芯片UDA1341相連，進行語音數(shù)據(jù)模擬傳輸。語音編解碼芯片通過IIS總線與ARM9處理相連，語音格式采用線性PCM編碼。
    整個系統(tǒng)的運行流程如下：FM1182的麥克風錄音后，語音數(shù)據(jù)通過線輸出送入UDA1341，線性PCM編碼后通過IIS總線送入ARM9處理器，然后生成網(wǎng)絡(luò)數(shù)據(jù)包，經(jīng)過因特網(wǎng)向遠端傳送；從因特網(wǎng)接收到數(shù)據(jù)包后，經(jīng)過IIS總線送入UDA1341進行解碼，然后通過線輸入將語音數(shù)據(jù)送入FM1182，最后通過音箱進行放音。
2 系統(tǒng)硬件設(shè)計
    系統(tǒng)硬件主要分為控制模塊、音頻編解碼模塊、存儲模塊、網(wǎng)絡(luò)傳輸模塊和語音處理模塊5個模塊。
2.1 控制模塊
     采用Samsung公司的S3C2410微處理器。S3C2410處理器是Samsung公司基于ARM公司的ARM920T處理器核，采用0.18 μm制造工藝的32 bit微控制器。該處理器擁有：獨立的16 KB指令Cache和16 KB數(shù)據(jù)Cache，MMU，支持TFT的LCD控制器，NAND閃存控制器，3路UART，4路DMA，4路帶PWM的Timer，I/O口，RTC，8路10 bit ADC，Touch Screen接口，IIC-BUS 接口，IIS-BUS 接口，2個USB主機，1個USB設(shè)備，SD主機和MMC接口，2路SPI。S3C2410處理器最高可運行在203 MHz[2]。此外，為了調(diào)試系統(tǒng)，還增加RS232串口電路和JTAG調(diào)試接口。
2.2 音頻編解碼模塊
     采用Philips公司的UDA1341音頻編解碼芯片。UDA1341提供2組音頻信號輸入線、1組音頻信號輸出線、1組IIS總線接口信號線和1組L3總線。UDA1341通過IIS-BUS接口與S3C2410傳輸音頻數(shù)據(jù)，控制數(shù)據(jù)通過L3接口傳輸。L3總線接口包括微處理器串行數(shù)據(jù)線L3DATA、微處理器接口模式選擇線L3MODE和微處理器接口串行時鐘線L3CLOCK。當UDA1341工作在微處理器輸入模式時，微處理器通過L3總線對UDA1341中的音頻處理參數(shù)和系統(tǒng)控制參數(shù)進行配置。S3C2410中沒有L3總線專用接口，電路中使用I/O口連接L3總線。IIS總線接口信號線包括位時鐘輸入BCK、字選擇輸入WS、數(shù)據(jù)輸入DATAI、數(shù)據(jù)輸出DATA0和音頻系統(tǒng)時鐘SYSCLK信號線。IIS總線接口對FIFO存取提供DMA傳輸模式代替中斷模式，它可以同時發(fā)送數(shù)據(jù)和接收數(shù)據(jù)，也可以只發(fā)或只收[3-4]。
2.3 存儲模塊
     存儲模塊分為Nand Flash和SDRAM兩部分，包括一片64 M×8 bit的Flash(K9F1208)和兩片4 M×16 bit×4 Banks的SDRAM(K4S561632C)。S3C2410芯片本身提供了SDRAM接口,只須對存儲器控制器相關(guān)的寄存器進行適當?shù)呐渲?。系統(tǒng)上電或復位后從Flash中運行Boot loader, 由Boot loader初始化硬件并將μCLinux 拷貝到SDRAM中運行。
2.4 網(wǎng)絡(luò)傳輸模塊
    網(wǎng)絡(luò)傳輸模塊包括以太網(wǎng)接口芯片CS8900A、網(wǎng)絡(luò)指示燈、網(wǎng)絡(luò)變壓器和RJ45接口等，用于實現(xiàn)本系統(tǒng)設(shè)計與局域網(wǎng)之間的數(shù)據(jù)交換。硬件電路使用的芯片除了處理器S3C2410和以太網(wǎng)芯片CS8900A，還有網(wǎng)卡變壓器。CS8900A通過數(shù)據(jù)總線和地址總線S3C2410處理器相連接。為了保證數(shù)據(jù)傳輸?shù)姆€(wěn)定性，在S3C2410和CS8900A之間增加了數(shù)據(jù)緩沖芯片SN74LVTH162245。
2.5 語音處理模塊
    FM1182語音處理器是富迪科技公司最新推出的低功耗,高性能的芯片。FM1182提升AEC性能-60 dB (聲學回聲消除), 增強噪聲抑制能力。通過內(nèi)建支持SAM(迷你陣列麥克風)技術(shù), 采用兩個幾乎靠在一起的麥克風可以達到拾音束形成的效果[5]。
    本設(shè)計中，F(xiàn)M1182通過其UART口連接到S3C2410，微處理器通過串口對FM1182進行功能配置。FM1182通過線路輸出LINEOUT和線路輸入LINEIN分別與UDA1341的VIN1和VOUT相連,由于傳輸?shù)臑槟M語音信號,因而電路設(shè)計中LINEOUT和LINEIN與UDA1341連接的線應(yīng)盡量短，以免受到電磁干擾。FM1182的麥克風陣列電路使用一個全向麥克風，一個定向麥克風，形成麥克風拾音束。FM1182的SPEAK接口通過功放連接一個音箱進行語音播放。FM1182、UDA1341和S3C2410的連接圖如圖2所示。

3 系統(tǒng)軟件設(shè)計
    本系統(tǒng)采用的是開放源代碼的Linux操作系統(tǒng)，允許任何人獲取并修改Linux的源碼。在配置Linux的應(yīng)用程序時，可以選擇加載然后根據(jù)用戶的需要設(shè)計這些軟件的配置文件從而實現(xiàn)系統(tǒng)的各項功能。嵌入式Linux操作系統(tǒng)主要由三個基本部分組成：引導程序、Linux內(nèi)核（由內(nèi)存管理、進程管理和中斷處理等構(gòu)成）和文件系統(tǒng)。系統(tǒng)軟件設(shè)計部分主要包括操作系統(tǒng)的裁剪和編譯、驅(qū)動程序的編寫和主程序的設(shè)計。
3.1 軟件體系結(jié)構(gòu)
    系統(tǒng)的軟件設(shè)計架構(gòu)從下而上分為硬件驅(qū)動層、操作系統(tǒng)層、網(wǎng)絡(luò)協(xié)議層和應(yīng)用程序?qū)?。硬件?qū)動層主要包括CS8900和UDA1341的驅(qū)動程序設(shè)計；操作系統(tǒng)層移植了ARM Linux的操作系統(tǒng)內(nèi)核；網(wǎng)絡(luò)協(xié)議層移植了TCP/IP的網(wǎng)絡(luò)通信協(xié)議；應(yīng)用程序?qū)釉谇度胧絃inux操作系統(tǒng)上運行應(yīng)用程序。
    Linux下網(wǎng)絡(luò)數(shù)據(jù)傳輸主要利用套接字socket接口進行。套接字socket是一種常用的進程間通信機制，通過它不僅能實現(xiàn)本地機器上的進程間通信，而且通過網(wǎng)絡(luò)能夠在不同的機器上的進程間進行通信。常用的套接字socket類型主要有兩種：對應(yīng)TCP服務(wù)的流式套接字socket和對應(yīng)UDP服務(wù)的數(shù)據(jù)報式套接字socket[6]。傳統(tǒng)的語音傳輸一般采用UDP通信協(xié)議，即不保證網(wǎng)絡(luò)數(shù)據(jù)包是否在網(wǎng)絡(luò)中丟失。針對此語音網(wǎng)絡(luò)傳輸系統(tǒng)的應(yīng)用背景，即主要應(yīng)用于銀行的ATM柜員機的對講系統(tǒng)，要保證語音信號在傳輸過程中不丟失，所以對經(jīng)過編碼后的語音信號采用TCP/IP協(xié)議進行傳輸。本系統(tǒng)的基于TCP協(xié)議的通信流程圖如圖3所示。

3.2 系統(tǒng)主程序的設(shè)計
    系統(tǒng)的主程序分別運行在PC機和ARM嵌入式系統(tǒng)上，主程序建立通信過程如下：
    PC端首先要向ARM端發(fā)起TCP連接，PC端接收到來自ARM的TCP連接請求后，驗證ARM端發(fā)送過來的密碼。密碼驗證通過后，建立TCP連接，然后PC機與ARM嵌入式系統(tǒng)進行雙向語音傳輸。同時，當ARM有中斷請求信號時，TCP連接中斷。PC端主程序的流程圖如圖4(a)所示。

    ARM端語音網(wǎng)絡(luò)傳輸系統(tǒng)設(shè)備上電后，首先對硬件設(shè)備進行初始化操作，然后ARM向PC端發(fā)起TCP連接。TCP連接過程中，首先打開MAC配置文件，然后設(shè)置ARM的IP、子網(wǎng)掩碼、服務(wù)器的IP、監(jiān)聽端口，以及密碼驗證、設(shè)置ARM端的用戶名。以上配置成功后再向服務(wù)器發(fā)出連接請求。當ARM端與PC端建立了網(wǎng)絡(luò)連接之后，PC端開始和ARM端進行網(wǎng)絡(luò)語音傳輸 。ARM端主程序的流程圖如圖4(b)所示。
3.3 語音緩沖區(qū)的算法設(shè)計
    由于在網(wǎng)絡(luò)協(xié)議層中采用TCP協(xié)議進行語音網(wǎng)絡(luò)數(shù)據(jù)包的傳送，網(wǎng)絡(luò)環(huán)境容易產(chǎn)生變化，因而，相比較UDP協(xié)議，使用TCP協(xié)議在網(wǎng)絡(luò)傳輸中會產(chǎn)生一些時延。由于網(wǎng)絡(luò)時延不可避免，如果要取得良好的通話效果，必須保證語音在播放時不會產(chǎn)生斷斷續(xù)續(xù)的情形。基于以上情況，可以在語音信號播放前，設(shè)置一個緩沖區(qū)來解決這個問題。但在引入緩沖區(qū)的同時，也導致了語音傳輸時間的滯后。緩沖區(qū)太小，無法克服網(wǎng)絡(luò)時延的影響。緩沖區(qū)太大，會嚴重影響語音傳輸?shù)膶崟r性。
    NGB(下一代廣播電視網(wǎng))的語音通信最大時間延遲不應(yīng)超過150 ms，超過這個極限后，人耳聽到的聲音將會覺得無法接受[7]。因而緩沖區(qū)中數(shù)據(jù)包的總傳輸時間不應(yīng)超過150 ms。ARM端與PC端（監(jiān)控中心）通信時，采取TCP協(xié)議。所有數(shù)據(jù)以包的形式傳輸。每個包的第一個字節(jié)是命令字，后面緊跟著若干字節(jié)（通過命令字能夠確定出后面有多少字節(jié)），最短的包只包含命令字，即只有一個字節(jié)；最長的語音數(shù)據(jù)包，有769 B。由于采取TCP協(xié)議，包中的每一個字節(jié)都能夠確保按序接收。
    在實現(xiàn)語音數(shù)據(jù)傳輸時，使用最長的語音數(shù)據(jù)包，即768 B，加上第一個字節(jié)的命令字，共769 B。語音編碼方式采取線性PCM編碼，每一個PCM碼共32 B。由于聲卡的讀取和播放的采樣率均為8 kHz，由此可得每收發(fā)一個數(shù)據(jù)包需要時間為:
    (768×8/32)/8 000=24 ms
　    可以在緩沖區(qū)中存放5個TCP語音數(shù)據(jù)包，這樣總的時間延時為：
    24×5=120 ms<150 ms
    故滿足標準。
    語音緩沖區(qū)的填充數(shù)據(jù)和播放數(shù)據(jù)的流程圖如圖5所示，其算法的設(shè)計如下：

   （1）在程序啟動后，先將緩沖區(qū)中裝滿數(shù)據(jù)后，設(shè)置好播放標志位、填充指針和播放指針，然后從數(shù)據(jù)包0開始依次循環(huán)通過聲卡播放接收到的聲音數(shù)據(jù)，同時，填充指針依次循環(huán)后移,向語音緩沖區(qū)填充語音數(shù)據(jù)包。
   （2）聲卡開始播放語音后，只要緩沖區(qū)中數(shù)據(jù)不為空，就正常播放數(shù)據(jù)。
   （3）如果在播放過程中緩沖區(qū)中沒有數(shù)據(jù)，則將播放標志位置零，并停止播放，然后重新開始。
    本文提出了一種基于UDA1341和FM1182的嵌入式語音網(wǎng)絡(luò)傳輸系統(tǒng)的設(shè)計方法,該方案以ARM9的S3C2410為核心處理器， 利用UDA1341和FM1182構(gòu)成了語音系統(tǒng)，通過CS8900網(wǎng)絡(luò)芯片進行網(wǎng)絡(luò)數(shù)據(jù)傳輸，基于嵌入式Linux操作系統(tǒng)，實現(xiàn)了遠程語音網(wǎng)絡(luò)數(shù)據(jù)傳輸。實驗表明，該系統(tǒng)可以很好地實現(xiàn)語音數(shù)據(jù)傳輸功能，并可以對環(huán)境中的噪聲進行有效地抑制，也可以很好地實現(xiàn)回波抵消，該設(shè)計工作穩(wěn)定，非常適合ATM柜員機等公共場所旁，用于信息求助對講系統(tǒng)。
參考文獻
[1] 智強,李鵬,董明,等. 基于硬件加速模塊的嵌入式語音識別系統(tǒng)解決方案[J].電子技術(shù)應(yīng)用,2008，34(8):
[2] Samsung Electronics. S3C2410A-200 MHz & 266 MHz 32-Bit RISC Microprocessor. USER’S MANUAL,Revision 1.0,2004.
[3] 李巖,王建衛(wèi),紀穎,等.基于ARM嵌入式μCLinux系統(tǒng)原理及應(yīng)用[M].北京:清華大學出版社,2009.
[4] Philips Semiconductor. UDA1341TS Economy audio CODEC for Minidisc (MD) home stereo and portable applications, 1998.12.
[5] MEDIA F. FM1182E Low-Power Voice Processor. Preliminary Data Sheet V2.0, 2008.9.
[6] 楊水清,張劍,施云飛,等.ARM嵌入式Linux系統(tǒng)開發(fā)技術(shù)詳解[M].北京:電子工業(yè)出版社,2008.11.
[7] 余少波. NGB的語音通信的最大延遲應(yīng)該小于150 ms[EB/OL].2010-8-9. http://tech.c114.net/166/a531316.html.